笔趣阁

第34章 34 禁止接吻（第3页）

虽然成功短暂一瞬，却是个解法。

“生死簿不插手历练，但会保证我自然死亡。这次能回去是因为自杀由功德评判处理，接入的生死簿数据没有更新我的信息，才触发策略。生死簿重啓以後大概看我不在人间，又将我送了回去。”

比起迎来送往，马楼更关心他现在状态：“自杀？”

鹿乙看着将他抱在怀里惊魂未定的母亲，伸出小手安慰她，也安慰他：“随口一说，生死簿把我安然无恙地送回来。”但两者只能选一个，他更在意远方的他，“现在这种方法应该行不通，你试着增加一条我可以违规的策略，绕过生死簿。”

想法很好，实现起来十分困难。

马楼提出卡点：“你要求新增策略要层层审核，流程比买橡皮还复杂。”

无数回旋镖今天一股脑扎死他俩。

鹿乙沉默几秒，说：“调已有策略。”

“也不行，”马楼捂脸，“我不是在优化系统嘛，神经网络强化因果链效果不错，这两天AI版本上线，策略嵌入模型，都训练好了。”

灵魂可分好坏，功德没办法一刀评判，但通过机器学习，锻炼系统用人脑思维，综合各方面因素，对亡者生前德行给出最正确评价。脑子不容易长，训练的数据丶训练方式（模型）好坏很大程度影响系统公正。而评判策略就是训练内容之一，一旦敲定，轻易别改。

“……那就改训练样本。”给脑子输入错误数据，引导它往“坏”的方面思考。

马楼还是觉得不靠谱：“你说模型有可能过拟合，让我用大量数据训练，改一个样本改变不了结果。”类似将一个刚出生的婴儿送进狼窝，某一天突然告诉他，你是人，那小孩是不会相信的。

那就想办法让小孩疯了。

“用对抗样本，将某些难以感知的扰动加在这些样本里，导致模型错误分类。”鹿乙说，“对抗性样本的存在是因为数据维度通常过高，模型不可能对整个数据分布的空间完全搜索。回到机器学习最基本的问题是学习数据的分布，如果从训练数据中学习成功，可以泛化到所有数据，包含没见过的测试数据。举个例子，喂给模型一组你的照片，通过特定像素区域就能识别这是你。所以训练有盲区，一种是在你的照片中改一些像素，改完後直观看还是你，但模型以为你是我，另一种放大分类边界，取到模型高概率认为是一个类别的样本。”

马楼痛苦地抱着脑袋。

“我如果说我听不懂你会不会打我。”

“大概猜得到。”

几次折腾，我们帝君算是明白一个道理，心急吃不了热豆腐，船到桥头自然直。看见马楼只是因为加班爽约，暂时放下心来。

“慢慢来。”

可他忘了，加班只有零次和无数次。

且不说马楼只是个平平无奇的草履虫，理解原理丶长出一堆脑子要很久。白天不能搞破坏，只有下了班。包打听似乎在他这装了监控，前脚屁股刚离开工位，後脚电话打过来，让他拯救地府。

饕餮不让碰系统，谢必安只让碰一个系统，到了包阎王这总算委以重任，啥系统都交给马楼。这个挂了喊，那个崩了找，这个催那个要，反正每个bug都是P0，都得今日毕，搞得马楼苦不堪言。

忘了压死骆驼的最後一根BUG是哪个，马楼怒闯阎王办公室，请他家好哥哥好歹先自己查查问题，别TM没插电源服务器开不开机这种弱智操作也大半夜摇他。

包哥说自己不专业。专业的事请专业的人来干，最保险。

马楼委婉表示，不会就学。

包打听默默看他一眼，起身给他沏了杯茶，又慢悠悠坐回阎王椅上：“楼儿啊，这回溯功能的引擎为什麽叫引擎啊？它也没车呀。”

“哥，引擎是一个程序或一套系统的支持部分，提升回溯视频加载性能的。”

“哦，那加载又是什麽意思呢？”

马楼忍住没反问他你一前端不知道这个？他深呼吸，缓缓说：“就是获取视频数据并缓冲到本地的过程。”

“这样啊。”包打听抿唇思考，似是在消化，又好像吃了块大蛋糕一下子噎在喉咙里，五官皱起来：“那缓冲……”

马楼心里狠狠扇自己嘴巴子，就不该说什麽菜就多练。

【作者有话说】

对抗性样本参考《DeepNeuralworksareEasilyFooled:HighfidencePredisforUnreizableImages》